將MySQL的資料同步至MaxCompute - Data Transmission Service

本文介紹如何使用Data Transmission Service，將RDS MySQL的資料同步至MaxCompute，協助您快速搭建資料即時分析系統。

前提條件

已開通MaxCompute並建立MaxCompute專案。更多資訊，請參見開通MaxCompute和DataWorks和建立MaxCompute專案。
已設定MaxCompute白名單，允許DTS訪問MaxCompute。更多資訊，請參見設定阿里雲產品訪問MaxCompute白名單。
已使用阿里雲帳號（主帳號）建立AccessKey，並擷取AccessKey ID和AccessKey Secret。更多資訊，請參見建立AccessKey。

注意事項

說明

DTS不會將來源資料庫中的外鍵同步到目標資料庫，因此來源資料庫的級聯、刪除等操作不會同步到目標資料庫。

類型	說明
源庫限制	待同步的表需具備主鍵或唯一約束，且欄位具有唯一性，否則可能會導致目標資料庫中出現重複資料。如同步對象為表層級，且需進行編輯（如表列名映射），則單次同步任務僅支援同步至多1000張表。當超出數量限制，任務提交後會顯示請求報錯，此時建議您拆分待同步的表，分批配置多個任務，或者配置整庫的同步任務。 Binlog日誌： RDS MySQL預設已開啟Binlog，您需確保binlog_row_image的值為full，否則預檢查階段提示報錯，且無法成功啟動資料同步任務。參數設定方法，請參見設定執行個體參數。重要若源執行個體為自建MySQL，則需開啟Binlog，並且設定binlog_format為row且binlog_row_image為full。若源執行個體自建MySQL是雙主叢集（兩者互為主從），為保障DTS能擷取全部的Binlog日誌，則您需開啟參數log_slave_updates。具體操作請參見為自建MySQL建立帳號並設定binlog。 DTS要求來源資料庫的本地Binlog日誌至少保留7天以上，否則DTS可能因無法擷取Binlog而導致任務失敗，極端情況下甚至可能會導致資料不一致或丟失。由於您所設定的Binlog日誌儲存時間低於DTS要求的時間進而導致的問題，不在DTS的SLA保障範圍內。如源為RDS MySQL，具體操作請參見管理本地日誌（Binlog）。在庫表結構同步和全量同步階段，請勿執行庫或表結構變更的DDL操作，否則會導致資料同步任務失敗。在同步執行個體運行期間，不記錄Binlog的變更操作所產生的資料（例如通過物理備份功能恢複、級聯操作等產生的資料），不會被同步到目標庫。說明若有該情況，您可以在業務允許的前提下，通過修改同步對象功能，移除該資料所屬的庫表，然後將該資料所屬的庫表重新添加到待同步對象。更多資訊，請參見修改同步對象。
其他限制	執行資料同步前需評估源庫和目標庫的效能，同時建議在業務低峰期執行資料同步。否則全量資料初始化時將佔用源庫和目標庫一定的讀寫資源，可能會導致資料庫的負載上升。全量初始化會並發執行INSERT操作，導致目標資料庫的表產生片段，因此全量初始化完成後目標執行個體的資料表空間比源執行個體的資料表空間大。在資料同步期間，請勿使用pt-online-schema-change等類似工具對源庫的同步對象進行線上DDL變更，否則會導致任務失敗。在DTS同步期間，若有除DTS外的資料寫入目標庫，則可能會導致源庫與目標庫的資料不一致。若RDS MySQL執行個體已開通全密態（EncDB）功能，則不支援全量資料同步。若執行個體運行失敗，DTS技術支援人員將在8小時內嘗試恢複該執行個體。在恢複失敗執行個體的過程中，可能會對該執行個體進行重啟、調整參數等操作。說明在調整參數時，僅會修改執行個體的參數，不會對資料庫中的參數進行修改。可能修改的參數，包括但不限於修改執行個體參數中的參數。
特殊情況	當源庫為自建MySQL時：在同步時，如果源庫進行主備切換，將會導致同步任務失敗。由於DTS的延遲時間是根據同步到目標庫最後一條資料的時間戳記和目前時間戳對比得出，源庫長時間未執行DML操作可能導致延遲資訊不準確。如果任務顯示的延遲時間過大，您可以在源庫執行一個DML操作來更新延遲資訊。說明如果同步對象選擇為整庫，您還可以建立心跳錶，心跳錶每秒定期更新或者寫入資料。 DTS會在源庫定時執行CREATE DATABASE IF NOT EXISTS `test`命令以推進Binlog位點。當源庫為RDS MySQL時：不記錄交易記錄的RDS MySQL執行個體（如RDS MySQL 5.6版本的唯讀執行個體）不支援作為源庫。

費用說明

同步類型	鏈路配置費用
庫表結構同步和全量資料同步	不收費。
增量資料同步	收費，詳情請參見計費概述。

支援增量同步處理的SQL

操作類型	SQL動作陳述式
DML	INSERT、UPDATE、DELETE
DDL	ADD COLUMN 說明不支援同步含非空約束（NOT NULL）的加列操作。

資料庫帳號的許可權要求

資料庫	要求的權限	建立及授權方式
源RDS MySQL	讀寫權限	建立帳號和修改帳號許可權。

說明

若您使用的源庫帳號不是通過RDS MySQL控制台建立且授權，您需確保該帳號具備REPLICATION CLIENT、REPLICATION SLAVE、SHOW VIEW和SELECT許可權。

同步過程介紹

結構初始化。
DTS將源庫中待同步表的結構定義資訊同步至MaxCompute中，初始化時DTS會為表名增加_base尾碼。例如源表為customer，那麼MaxCompute中的表即為customer_base。
全量資料初始化。
DTS將源庫中待同步表的存量資料，全部同步至MaxCompute中的目標表名_base表中（例如從源庫的customer表同步至MaxCompute的customer_base表），作為後續增量同步處理資料的基準資料。
說明
該表也被稱為全量基準表。
增量資料同步。
DTS在MaxCompute中建立一個增量日誌表，表名為同步的目標表名_log，例如customer_log，然後將源庫產生的增量資料即時同步到該表中。
說明
關於增量日誌表結構的詳細資料，請參見增量日誌表結構定義說明。

操作步驟

進入目標地區的同步工作清單頁面（二選一）。
通過DTS控制台進入
1. 登入Data Transmission Service控制台。
2. 在左側導覽列，單擊資料同步。
3. 在頁面左上方，選擇同步執行個體所屬地區。
通過DMS控制台進入
說明
實際操作可能會因DMS的模式和布局不同，而有所差異。更多資訊，請參見極簡模式控制台和自訂DMS介面布局與樣式。
1. 登入Data Management服務。
2. 在頂部功能表列中，選擇整合與開發 > 資料轉送（DTS） > 資料同步。
3. 在同步任務右側，選擇同步執行個體所屬地區。
單擊創建任務，進入任務配置頁面。
可選：在頁面右上方，單擊試用新版配置頁。
說明
- 若您已進入新版配置頁（頁面右上方的按鈕為返回舊版配置頁），則無需執行此操作。
- 新版配置頁和舊版配置頁部分參數有差異，建議使用新版配置頁。

配置源庫及目標庫資訊。

類別	配置	說明
無	任務名稱	DTS會自動產生一個任務名稱，建議配置具有業務意義的名稱（無唯一性要求），便於後續識別。
源庫資訊	選擇DMS資料庫執行個體	您可以按實際需求，選擇是否使用已有執行個體。如使用已有執行個體，下方資料庫資訊將自動填入，您無需重複輸入。如不使用已有執行個體，您需要配置下方的資料庫資訊。說明在DMS控制台，您可以單擊新增DMS資料庫執行個體錄入資料庫執行個體。更多資訊，請參見雲資料庫錄入和他雲/自建資料庫錄入。在DTS控制台，您可以在資料連線管理頁面或新版配置頁面，將資料庫錄入DTS。更多資訊，請參見資料連線管理。
	資料庫類型	選擇MySQL。
	接入方式	選擇雲執行個體。
	執行個體地區	選擇源RDS MySQL執行個體所屬地區。
	是否跨阿里雲帳號	本樣本使用當前阿里雲帳號下的資料庫執行個體，需選擇不跨帳號。
	RDS執行個體ID	選擇源RDS MySQL執行個體ID。
	資料庫帳號	填入源RDS MySQL執行個體的資料庫帳號，許可權要求請參見資料庫帳號的許可權要求。
	資料庫密碼	填入該資料庫帳號對應的密碼。
	串連方式	根據需求選擇非加密串連或SSL安全連線。如果設定為SSL安全連線，您需要提前開啟RDS MySQL執行個體的SSL加密功能，詳情請參見使用雲端認證快速開啟SSL鏈路加密。
目標庫資訊	選擇DMS資料庫執行個體	您可以按實際需求，選擇是否使用已有執行個體。如使用已有執行個體，下方資料庫資訊將自動填入，您無需重複輸入。如不使用已有執行個體，您需要配置下方的資料庫資訊。說明在DMS控制台，您可以單擊新增DMS資料庫執行個體錄入資料庫執行個體。更多資訊，請參見雲資料庫錄入和他雲/自建資料庫錄入。在DTS控制台，您可以在資料連線管理頁面或新版配置頁面，將資料庫錄入DTS。更多資訊，請參見資料連線管理。
	資料庫類型	選擇MaxCompute。
	接入方式	選擇雲執行個體。
	執行個體地區	選擇目標MaxCompute專案所屬地區。
	Project	填入目標MaxCompute專案的名稱。
	主帳號AccessKeyId	填入用於標識主帳號的AccessKey ID。
	主帳號AccessKeySecret	填入用於驗證主帳號的密鑰AccessKey Secret。

配置完成後，單擊頁面下方的測試連接以進行下一步。
如果源或目標資料庫是阿里雲資料庫執行個體（例如RDS MySQL、ApsaraDB for MongoDB等），DTS會自動將對應地區DTS服務的IP地址添加到阿里雲資料庫執行個體的白名單中；如果源或目標資料庫是ECS上的自建資料庫，DTS會自動將對應地區DTS服務的IP地址添加到ECS的安全規則中，您還需確保自建資料庫沒有限制ECS的訪問（若資料庫是叢集部署在多個ECS執行個體，您需要手動將DTS服務對應地區的IP地址添加到其餘每個ECS的安全規則中）；如果源或目標資料庫是IDC自建資料庫或其他雲資料庫，則需要您手動添加對應地區DTS服務的IP地址，以允許來自DTS伺服器的訪問。DTS服務的IP地址，請參見DTS伺服器的IP位址區段。
警告
DTS自動添加或您手動添加DTS服務的公網IP位址區段可能會存在安全風險，一旦使用本產品代表您已理解和確認其中可能存在的安全風險，並且需要您做好基本的安全防護，包括但不限於加強帳號密碼強度防範、限制各網段開放的連接埠號碼、內部各API使用鑒權方式通訊、定期檢查並限制不需要的網段，或者使用通過內網（專線/VPN網關/智能網關）的方式接入。
單擊確定，完成ODPS帳號授權後，再單擊測試連接以進行下一步。

配置任務對象。

在對象配置頁面，配置待同步的對象。

配置	說明
同步類型	固定選中增量同步處理。預設情況下，您還需要同時選中庫表結構同步和全量同步。預檢查完成後，DTS會將源執行個體中待同步對象的全量資料在目的地組群中初始化，作為後續增量同步處理資料的基準資料。
附加列規則	DTS在將資料同步到MaxCompute時，會在同步的目標表中添加一些附加列。如果附加列和目標表中已有的列出現名稱衝突，將會導致資料同步失敗。您需要根據業務需求選擇新規則或舊規則。警告在選擇附加列規則前，您需要評估附加列和目標表中已有的列是否會出現名稱衝突，否則可能會導致任務失敗或資料丟失。關於附加列的規則和定義說明，請參見附加列名稱和定義說明。
增量日誌表分區定義	請根據業務需求選擇分區名稱。關於分區的相關介紹，請參見分區。
目標已存在表的處理模式	預檢查並報錯攔截：檢查目標資料庫中是否有同名的表。如果目標資料庫中沒有同名的表，則通過該檢查專案；如果目標資料庫中有同名的表，則在預檢查階段提示錯誤，資料同步任務不會被啟動。說明如果目標庫中同名的表不方便刪除或重新命名，您可以更改該表在目標庫中的名稱，請參見庫表列名映射。忽略報錯並繼續執行：跳過目標資料庫中是否有同名表的檢查項。警告選擇為忽略報錯並繼續執行，可能導致資料不一致，給業務帶來風險，例如：表結構一致的情況下，如在目標庫遇到與源庫主鍵或唯一鍵的值相同的記錄：全量期間，DTS會保留目的地組群中的該條記錄，即源庫中的該條記錄不會同步至目標資料庫中。增量期間，DTS不會保留目的地組群中的該條記錄，即源庫中的該條記錄會覆蓋至目標資料庫中。表結構不一致的情況下，可能會導致無法初始化資料、只能同步部分列的資料或同步失敗，請謹慎操作。
目標庫對象名稱大小寫策略	您可以配置目標執行個體中同步對象的庫名、表名和列名的英文大小寫策略。預設情況下選擇DTS預設策略，您也可以選擇與源庫、目標庫預設策略保持一致。更多資訊，請參見目標庫對象名稱大小寫策略。
源庫對象	在源庫對象框中單擊待同步對象，然後單擊將其移動至已選擇對象框。說明同步對象的選擇粒度為表。
已選擇對象	如需更改單個同步對象在目標執行個體中的名稱，請右擊已選擇對象中的同步對象，設定方式，請參見庫表列名單個映射。如需批量更改同步對象在目標執行個體中的名稱，請單擊已選擇對象方框右上方的大量編輯，設定方式，請參見庫表列名批量映射。說明如需按庫或表層級選擇同步的SQL操作，請在已選擇對象中右擊待同步對象，並在彈出的對話方塊中選擇所需同步的SQL操作。支援的操作，請參見支援增量同步處理的SQL。如需設定WHERE條件過濾資料，請在已選擇對象中右擊待同步的表，在彈出的對話方塊中設定過濾條件。設定方法請參見設定過濾條件。如果使用了對象名映射功能，可能會導致依賴這個對象的其他對象同步失敗。

單擊下一步高級配置，進行進階參數配置。

配置	說明
選擇調度該任務的專屬叢集	DTS預設將任務調度到共用叢集上，您無需選擇。若您希望任務更加穩定，可以購買專屬叢集來運行DTS同步任務。更多資訊，請參見什麼是DTS專屬叢集。
源庫、目標庫無法串連後的重試時間	在同步任務啟動後，若源庫或目標庫串連失敗則DTS會報錯，並會立即進行持續的重試串連，預設持續重試時間為720分鐘，您也可以在取值範圍（10~1440分鐘）內自訂重試時間，建議設定30分鐘以上。如果DTS在設定的重試時間內重新串連上源庫、目標庫，同步任務將自動回復。否則，同步任務將會失敗。說明針對同源或者同目標的多個DTS執行個體，如DTS執行個體A和DTS執行個體B，設定網路重試時間時A設定30分鐘，B設定60分鐘，則重試時間以低的30分鐘為準。由於串連重試期間，DTS將收取任務運行費用，建議您根據業務需要自訂重試時間，或者在源和目標庫執行個體釋放後儘快釋放DTS執行個體。
源庫、目標庫出現其他問題後的重試時間	在同步任務啟動後，若源庫或目標庫出現非串連性的其他問題（如DDL或DML執行異常），則DTS會報錯並會立即進行持續的重試操作，預設持續重試時間為10分鐘，您也可以在取值範圍（1~1440分鐘）內自訂重試時間，建議設定10分鐘以上。如果DTS在設定的重試時間內相關操作執行成功，同步任務將自動回復。否則，同步任務將會失敗。重要源庫、目標庫出現其他問題後的重試時間的值需要小於源庫、目標庫無法串連後的重試時間的值。
是否限制全量遷移速率	在全量同步階段，DTS將佔用源庫和目標庫一定的讀寫資源，可能會導致資料庫的負載上升。您可以根據實際情況，選擇是否對全量同步任務進行限速設定（設定每秒查詢源庫的速率QPS、每秒全量遷移的行數RPS和每秒全量遷移的數據量(MB)BPS），以緩解目標庫的壓力。說明僅當同步類型選擇了全量同步時才可以配置。
是否限制增量同步處理速率	您也可以根據實際情況，選擇是否對增量同步處理任務進行限速設定（設定每秒增量同步處理的行數RPS和每秒增量同步處理的數據量(MB)BPS），以緩解目標庫的壓力。
環境標籤	您可以根據實際情況，選擇用於標識執行個體的環境標籤。本樣本無需選擇。
是否去除正反向任務的心跳錶sql	根據業務需求選擇是否在DTS執行個體運行時，在源庫中寫入心跳SQL資訊。是：不在源庫中寫入心跳SQL資訊，DTS執行個體可能會顯示有延遲。否：在源庫中寫入心跳SQL資訊，可能會影響源庫的物理備份和複製等功能。
配置ETL功能	選擇是否配置ETL功能。關於ETL的更多資訊，請參見什麼是ETL。是：配置ETL功能，並在文字框中填寫資料處理語句，詳情請參見在DTS遷移或同步任務中配置ETL。否：不配置ETL功能。
監控警示	是否設定警示，當同步失敗或延遲超過閾值後，將通知警示連絡人。不設定：不設定警示。設定：設定警示，您還需要設定警示閾值和警示通知。更多資訊，請參見在配置任務過程中配置監控警示。

儲存任務並進行預檢查。
- 若您需要查看調用API介面配置該執行個體時的參數資訊，請將滑鼠游標移動至下一步儲存任務並預檢查按鈕上，然後單擊氣泡中的預覽OpenAPI參數。
- 若您無需查看或已完成查看API參數，請單擊頁面下方的下一步儲存任務並預檢查。
說明
- 在同步作業正式啟動之前，會先進行預檢查。只有預檢查通過後，才能成功啟動同步作業。
- 如果預檢查失敗，請單擊失敗檢查項後的查看詳情，並根據提示修複後重新進行預檢查。
- 如果預檢查產生警告：
  對於不可以忽略的檢查項，請單擊失敗檢查項後的查看詳情，並根據提示修複後重新進行預檢查。
  對於可以忽略無需修複的檢查項，您可以依次單擊點擊確認警示詳情、確認屏蔽、確定、重新進行預檢查，跳過警示檢查項重新進行預檢查。如果選擇屏蔽警示檢查項，可能會導致資料不一致等問題，給業務帶來風險。

購買執行個體。

預檢查通過率顯示為100%時，單擊下一步購買。

在購買頁面，選擇資料同步執行個體的計費方式、鏈路規格，詳細說明請參見下表。

類別	參數	說明
資訊配置	計費方式	預付費（訂用帳戶）：在建立執行個體時支付費用。適合長期需求，價格比隨用隨付更實惠，且購買時間長度越長，折扣越多。後付費（隨用隨付）：按小時計費。適合短期需求，用完可立即釋放執行個體，節省費用。
	資源群組配置	執行個體所屬的資源群組，預設為default resource group。更多資訊，請參見什麼是資源管理。
	鏈路規格	DTS為您提供了不同效能的同步規格，同步鏈路規格的不同會影響同步速率，您可以根據業務情境進行選擇。更多資訊，請參見資料同步鏈路規格說明。
	訂購時間長度	在預付費模式下，選擇訂用帳戶執行個體的時間長度和數量，包月可選擇1~9個月，包年可選擇1年、2年、3年和5年。說明該選項僅在付費類型為預付費時出現。

配置完成後，閱讀並勾選《資料轉送（隨用隨付）服務條款》。
單擊購買並啟動，並在彈出的確認對話方塊，單擊確定。
您可在資料同步介面查看具體任務進度。

增量日誌表結構定義說明

說明

你需要在MaxCompute中執行set odps.sql.allow.fullscan=true;，設定專案空間屬性，允許進行全表掃描。

DTS在將MySQL產生的增量資料同步至MaxCompute的增量日誌表時，除了儲存增量資料和增量日誌表分區，還會儲存一些如下表所示的元資訊。

欄位	說明
record_id	增量日誌的記錄ID，為該日誌唯一標識。說明 ID的值唯一且遞增。如果增量日誌的操作類型為UPDATE，那麼累加式更新會被拆分成兩條記錄（分別記錄更新前和更新後的值），且record_id的值相同。
operation_flag	操作類型，取值： I：INSERT操作。 D：DELETE操作。 U：UPDATE操作。
utc_timestamp	操作時間戳記，即binlog的時間戳記（UTC 時間）。
before_flag	所有列的值是否為更新前的值，取值：Y或N。
after_flag	所有列的值是否為更新後的值，取值：Y或N。